论文部分内容阅读
作为一种典型的无线多跳通信网络,无线传感器网络(Wireless Sensor Networks,WSN)已成为现阶段国内外移动技术领域以及无线通信技术等领域内最值得深入研究的热点内容之一。在WSN中,数以万计的传感器节点随机部署在其指定区域中,并以自组织的方式连接,共同服务于用户。WSN具有易于部署、成本较低、自愈能力强等典型优势特点,已被海量投入用于智能家居、智慧城市、监测海啸火山爆发以及部署抢险救灾资源等人类生活的方方面面。但由于通信链路共享传输介质,当网络中的多条链路使用电磁频谱的重叠频带同时进行传输时,其中一条链路的发送方可能会严重干扰到达其他链路信号的接收。正因如此,选择一种正确接近真实网络环境的干扰模型对于设计高能效的相关算法有着至关重要的意义。与其他干扰模型相比,物理干扰(Signal to Interference plus Noise Ratio,SINR)模型是最为接近真实的网络场景一种干扰模型,它可以更好地描述并发传输链路之间的累加干扰。作为WSN的关键支撑技术之一,链路调度技术旨在对网络中的通信链路进行合理高效地调度,这对于提升网络的综合性能,尤其是对于具有严格高要求服务质量(Quality of Service,Qo S)约束的应用具有至关重要的意义。无线网络中的链路调度问题通常可被分为两个子类,最大链路调度(Maximum Link Scheduling,MLS)问题以及最短链路调度(Shortest Link Scheduling,SLS)问题。本文基于更加符合现实场景的SINR模型对MLS问题和SLS问题进行研究,主要包括以下两部分内容:(1)针对MLS问题,本文提出了一种基于SINR模型的O(1)-近似算法,其旨在找出能够同时进行无干扰传输的最大链路数的子集。首先,根据特定的网络环境设置与之相适应的SINR双向传输模型。其次,结合一致功率分配方式,根据相对干扰的影响以及安全距离的约束判断通信链路能否加入到可行集,将能够满足相对干扰(Relative Interference,RI)以及安全距离(Safe Distance,SD)约束的通信链路依次加入到可行集合,从而最大化无干扰传输的通信链路数量。仿真实验结果表明,与已有的相关算法相比,本文所提出算法的网络容量大约提高了25%到35%。(2)为了解决SLS问题,本文提出了一种基于SINR和正六边形区域划分的近似算法,其目的是在尽可能短的时间内调度网络中的所有通信链路,从而达到降低网络通信链路调度中的传输延迟的目的。首先,构建网络模型与SINR干扰模型。然后,把整个网络平面区域划分成边长相等的六边形小区,并逐个对其进行编号分类。最后,结合具有串行干扰消除(Successive Interference Cancellation,SIC)机制的算法,将同一时隙中并发传输的信号进行有效解码,从而迭代地选择符合约束条件的通信链路加入到可行集。最终,通过理论分析对算法的正确性与有效性加以证明。